先说问题:做一条短剧,要在多少个工具之间倒素材
AI 短剧、漫剧这两年很热,但真动手做过一集的人都知道,难的往往不是某一次生成,而是整条流水线的衔接:
- 剧本在聊天窗口里跟语言模型来回改,改完复制到文档里存着;
- 分镜表单独躺在一个表格文件里,镜头编号和剧本段落靠人脑对齐;
- 角色图在出图工具里生成,场景图在另一个平台生成,下载回来堆在本地文件夹里,文件名全是随机字符串;
- 视频片段在一个个视频平台网页上逐条提交、逐条下载,等拼到一起才发现第三镜的角色脸和第一镜对不上,只能回头重抽。
每倒一次手,资产就散落一层;项目做到一半想回头改一个镜头,先要花十分钟找素材。Toonflow 的核心思路就一句话:把剧本、资产与视频片段全部收进同一张无限画布,让一条短剧从文字到成片不出一个工作台。
本篇主线:认识 Toonflow 是什么 → 走完四步核心工作流 → 看懂画布与资产管理 → 模型怎么接 → 三种部署方式逐个装一遍 → 把服务器访问的安全口子堵上 → 对照官方成本案例估算自己的账。
它是什么
Toonflow 是面向短剧、漫剧和短视频创作者的开源 AI 创作平台,采用 MIT 许可证,可以自由部署和使用。它把剧本创作、智能分镜、角色与场景资产管理、图像生成和视频生成整合进同一张无限画布,再配上 AI Agent、可视化工作流、MCP 与插件扩展,形态上接近 LibTV、TapNow 这类画布式创作工具,但完全开源、本地部署、模型自选。
几个关键信息先对齐:
- 开源与许可:MIT 许可证,代码托管在 GitHub(HBAI-Ltd/Toonflow-app),可以自己部署、自己改。
- 多语言:界面支持 21 种语言,包括简体中文、繁體中文、English、日本語等,国内创作者上手没有语言门槛。
- 部署形态齐全:Windows、macOS、Linux、Android 都有客户端安装包,也支持 Docker 部署和服务器裸装,项目与素材保存在自己的设备或服务器上。
- 模型不绑死:平台本身不生产画面,语言、图片、视频能力都来自你配置的模型——第三方 API 可以,本地 ComfyUI 和本地 LLM 也可以。
需要先说清的一条边界:Toonflow 是工作台,不是模型本身;成片质量的上限,取决于你接的语言、图片和视频模型。平台负责的是把流程、资产和上下文组织好,让模型每次生成时都站在同一套设定上。
核心工作流:四步走完一条短剧
官方给出的标准制作流程是四步,全部在画布上完成。
第一步:在文本节点里写剧本与分镜
新建项目后,在画布上放文本节点,把故事梗概、人物设定和镜头描述写进去。文本节点可以连接语言模型辅助创作:让模型扩写剧情、拆分集数、把一段小说改写成分镜脚本,生成结果直接落在节点里,你再逐段审阅、修改、定稿。
这一步的价值在于分镜不再是独立文档:每个镜头的文字描述就是一个节点,后面连图片、连视频都以它为源头,改剧本等于改下游所有素材的出发点,不用再回表格里对行号。
第二步:备齐角色与场景素材
素材有两条来源:
- 导入参考图:已有的角色设定图、场景概念图直接导入画布,作为后续生成的参考。
- 图片节点生成:用图片生成节点现做角色、场景和分镜图。角色建议先生成三视图(正面、侧面、背面同框),把发型、服装、体型一次性定死,后续每个镜头都拿三视图当参考,角色才不会一集换一张脸。
本系列里专门讲本地出图的 ComfyUI 入门篇 可以和这里衔接:Toonflow 能直接接本地 ComfyUI 当图片后端,工作流在 ComfyUI 里调,调用在画布上点。
第三步:连参考、选模型,逐镜生成视频
把文本节点(镜头描述)和图片节点(角色、场景、分镜图)连到视频生成节点上,选好视频模型和生成模式,按镜头逐个生成片段。多参考素材一起喂给模型,是这类平台保角色一致性的主要手段:模型每一镜都看着同一组角色图和场景图在生成,而不是凭一句文字描述自由发挥。
和本系列 Muse 动画短片流水线 那种「脚本分阶段跑批」的路线相比,Toonflow 是交互式的:哪一镜不满意,就在画布上单独重跑哪一镜,邻居镜头不受影响。
第四步:预览、整理、下载
生成的图片和视频片段都回到画布上,按镜头顺序排开预览。满意的片段下载到本地,再进剪辑软件拼接、配音、加字幕做后期;不满意的回到第三步重抽。画布本身就是这一集的「工程文件」,下次打开,剧本、资产、片段的对应关系原样还在。
画布与资产管理
短剧是连载生意,资产管理跟不上,第二集就开始还第一集的债。Toonflow 在画布之外给了专门的资产视图:
- 资产画布:角色、场景、道具集中管理,一部剧的所有设定图沉淀在一处,跨集复用,不用每集重新生成主角。
- 3D 导演台:生成之前先在 3D 导演台里摆机位、看构图,做镜头预演。先预演再生成,能省掉大量「抽出来才发现机位不对」的无效重试——视频生成是最贵的一环,预演省的都是真金白银。时间线与运镜怎么编排,可以配合 ComfyUI MiniMax 导演节点篇 的思路一起看。
- 节点分组:画布上的节点可以分组操作,一集一个组、一场戏一个组,画布再大也不至于乱成毛线团。
扩展性:Agent、MCP 与插件市场
Toonflow 不只是一个固定流水线,它给自动化和二次扩展留了三层口子:
- 开放的 AI Agent:Agent 的提示词与工具对外开放,可以自定义 Agent 的行为,让它按你的习惯拆剧本、排分镜;同时支持 A2A 协作,外部 Agent 能和平台内的 Agent 配合干活。
- MCP 连接:通过 MCP 协议连接外部工具与服务,把你已有的工具链挂进画布,而不是让平台大包大揽。
- 插件市场:官方提供插件市场,可以扩展新的节点类型、工具与创作能力;首次启动时平台会初始化内置插件,后续按需再装。
这三层决定了它的定位不只是「短剧生成器」,而是一个可以长出自己工作流的创作底座。
模型怎么接
模型配置在页面内完成,分三类分别接:
- 语言模型:负责剧本扩写、分镜拆解和 Agent 对话,接第三方 API 即可;也可以接本地 LLM,剧本不出本机。
- 图片模型:负责角色、场景、分镜图,第三方 API 与本地 ComfyUI 工作流都支持,通过自定义供应商适配接入已有工作流。
- 视频模型:负责逐镜生成片段,支持的参考素材类型、时长、分辨率和音频能力,取决于所选模型与供应商——选模型时先看清这四项再充值。
API Key 在页面内配置,保存在本地数据目录里,不要截图外发,也不要把配置文件提交到公开仓库。
部署方式一:桌面客户端
只想在自己电脑(或手机)上用,客户端是最省事的路线,四个平台都有包,去仓库的 Releases 发布页下载对应版本:
| 平台 | 安装包 | 备注 |
|---|---|---|
| Windows x64 | EXE 安装包(Setup) | 安装器自动检测并安装 WebView2 |
| Windows ARM64 | EXE 安装包(win-arm64) | 需要 .NET Framework 4.8.1,新款 Windows 11 已内置 |
| macOS Apple Silicon | DMG 安装包(macos-arm64) | 最低 macOS 14,已签名并完成 Apple 公证 |
| macOS Intel | DMG 安装包(macos-x64) | 最低 macOS 14;旧版迁移须下完整 DMG 覆盖安装 |
| Linux x64 / ARM64 | DEB 安装包 | Debian / Ubuntu 系,安装命令见下 |
| Android ARM64 | APK 安装包 | 手机内置本地后端可独立运行,也可连接电脑或远程后端 |
Linux 下装 DEB 包:
cd ~/Downloadssudo apt install ./toonflow-版本号-linux-x64.deb安装过程需要联网,apt 会准备 FFmpeg、curl、unzip、CA 证书等依赖,脚本还会下载固定版本的 Bun 并校验大小与 SHA-256,校验不过会直接中止,不会装一半。
macOS 打开 DMG 把 toonflow.app 拖进「应用程序」即可。若提示「无法验证开发者」,先去「系统设置 → 隐私与安全性」里点「仍要打开」;仍被隔离拦截时再执行:
sudo xattr -rd com.apple.quarantine /Applications/toonflow.appWindows 装完闪退,多半是 WebView2 运行时没装好,去微软官网手动装一遍运行时再启动。
部署方式二:Docker 一行起服务
想放到服务器上长期跑、或者多设备共用一个后端,用 Docker 最稳。仓库自带 Dockerfile 与 Compose 配置,基于 Bun 1.4.3 构建,镜像内包含 FFmpeg:
git clone https://github.com/HBAI-Ltd/Toonflow-app.gitcd Toonflow-appdocker compose up -d --build首次构建会安装依赖并编译内置节点、工具、Web 与 Server,完成后访问 http://127.0.0.1:3000,首次启动会初始化内置插件,并提供一个 myProject 工作目录。日常运维命令:
docker compose logs -f toonflow # 看日志docker compose stop # 停止服务docker compose start # 再次启动docker compose down # 删除容器(保留数据卷)数据存放在 Docker 命名卷 toonflowData 中,挂载到容器的 /app/data/,配置、插件和项目文件都在里面。备份要先停服务再整体复制:
docker compose stopdocker compose cp toonflow:/app/data ./toonflowBackupdocker compose startWARNING绝对不要用
docker compose down -v停服务:-v会连命名卷一起删除,角色资产、项目文件和全部配置一并清零,且不可恢复。日常停服用docker compose down(不带-v)或docker compose stop。
部署方式三:服务器裸装
不想用 Docker、直接在 Linux 服务器上跑也行,运行时是 Bun,版本按项目指定的 1.4.3 来:
sudo apt-get updatesudo apt-get install -y git curl unzip ffmpeg
curl -fsSL https://bun.com/install | bash -s "bun-v1.4.3"export PATH="$HOME/.bun/bin:$PATH"bun --version拉代码、装依赖、构建并启动:
git clone https://github.com/HBAI-Ltd/Toonflow-app.gitcd Toonflow-appbun install --frozen-lockfilebun run build:servermkdir -p data/workspaces/myProjectbun run start:server看到「服务启动成功」后,服务器本机访问 http://127.0.0.1:3000 即可。裸装时配置、插件与工作区默认保存在仓库的 data/ 目录,迁移备份时整个目录打包带走。上面的启动命令是前台运行,关终端就停;要长期运行,用 systemd 托管:工作目录设为仓库目录,启动命令写 Bun 的绝对路径加 run start:server,运行用户要有该目录的读写权限。
安全:3000 端口不要裸奔公网
这一节必须单独强调。Toonflow 当前使用固定端口 3000,业务页面与 API 没有独立登录鉴权——也就是说,谁能打开这个页面,谁就能用你的项目、你的素材,以及你配置在里面的模型 API Key 额度。
WARNING服务器部署时,千万不要把 3000 端口直接对公网开放:无鉴权页面裸奔公网,等于把创作工作台和 API 额度一起送人。三种访问方式任选其一:防火墙或安全组只放行自己的 IP;前面套一层带认证的反向代理再对外;或者干脆不开公网端口,走 SSH 隧道本地访问。
个人远程使用,SSH 隧道是最省事的,在自己电脑上执行:
ssh -N -L 3000:127.0.0.1:3000 用户名@服务器地址保持这条连接,浏览器打开 http://127.0.0.1:3000,流量全程走加密隧道,服务器的 3000 端口完全不用对公网开放。团队共用或需要固定域名时,再上带认证的反向代理(在代理层做账号密码或单点登录),不要指望应用层帮你挡人。
成本参考:官方案例的账怎么读
官方给了一个完整作品案例,可以当估算锚点:
| 项目 | 案例记录 |
|---|---|
| 制作周期 | 约 2 小时 |
| 成片时长 | 约 2 分钟 |
| 视频模型 | Seedance 2.0 |
| 图片模型 | GPT Image 2 |
| 语言模型 | Claude Opus 4.6 |
| 模型调用总费用 | 约 130 元 |
| 其中视频 | 约 120 元 |
| 其中语言 | 约 10 元 |
| 其中图片 | 不足 1 元 |
这笔账有三个读法:第一,视频生成占了总成本的九成以上,控成本就是控视频的生成次数与时长,前面说的 3D 导演台预演、逐镜小样确认再放大,都是在省这一项;第二,图片几乎不要钱,角色三视图这类资产图该多抽几张选最好的,别在这上面省;第三,这 130 元只是该案例在该组模型下的一次记录,不是固定价格,换模型、换分辨率、重试次数不同,账会差出几倍,自己的项目先小规模跑一集摸清单价,再决定要不要连载。
对比:画布一体化 vs 单点工具拼凑
| 维度 | Toonflow(画布式一体化平台) | 单点工具拼凑(聊天写剧本+单独出图+单独出视频网站) |
|---|---|---|
| 资产管理 | 角色、场景、道具沉淀在资产画布,跨集复用 | 文件散落在各平台下载目录与本地文件夹,靠人工归档 |
| 角色一致性靠什么 | 三视图与参考图作为节点连进每个镜头,模型每镜都看着同一组参考生成 | 靠每镜手动上传参考图或反复写描述词,漏一次就换脸 |
| 流程连贯度 | 剧本节点即分镜源头,改剧本直接影响下游生成 | 剧本、分镜表、素材三份文档人工对齐,改一处要同步三处 |
| 上手门槛 | 装好平台、配好模型即可按四步流程走 | 每个工具都要单独学,流程靠自己设计和维护 |
| 部署与数据 | 开源自部署,项目、素材、API Key 都在自己设备或服务器 | 数据分散在各平台账号里,平台关停或封号即丢失 |
| 成本结构 | 平台免费,钱只花在模型调用上,模型可换可比价 | 各平台分别订阅或充值,沉没成本分散难比较 |
常见问题与排障
Q:Toonflow 本身收费吗? 不收费。MIT 开源许可,自行部署免费使用;花钱的是你配置的第三方模型 API 调用。用本地 ComfyUI 和本地 LLM 时,成本就是自己的电费与硬件。
Q:Windows 客户端装完打开闪退? 多半是 WebView2 运行时缺失或损坏。安装器本应自动检测安装,闪退时去微软官网手动下载 WebView2 运行时装一遍,再启动客户端。
Q:macOS 提示「无法验证开发者」打不开?
先到「系统设置 → 隐私与安全性」找到被阻止的提示,点「仍要打开」;还不行就对放在「应用程序」里的 toonflow.app 执行文中给出的 xattr 命令移除隔离属性。spctl --master-disable 这类全局放行是最后手段,会放宽全系统所有 App 的限制,用完记得改回。
Q:Docker 部署后页面打不开?
先看日志定位:docker compose logs -f toonflow。首次构建未完成时服务不会起,构建报错多为网络拉取依赖失败,重跑 docker compose up -d --build;构建完成仍连不上,检查 3000 端口是否被其他程序占用。
Q:项目和素材到底存在哪,换电脑怎么搬?
桌面客户端存在本地数据目录;Docker 部署在命名卷 toonflowData(容器内 /app/data/),按文中的备份命令整体复制;服务器裸装在仓库 data/ 目录,整目录打包迁移。搬完在页面里选择对应工作区即可继续。
Q:生成出来的视频时长、分辨率和别的案例不一样? 这是模型决定的,不是平台的限制。支持的参考素材类型、时长、分辨率、音频能力都取决于所选视频模型与供应商,换模型前先看清这四项规格,再决定生成参数。
Q:能不能接自己已经在跑的 ComfyUI 工作流? 可以。通过自定义供应商适配,把已有的 ComfyUI 工作流接成图片(或媒体)后端,画布上调用、本机出图,具体字段映射按工作流的 API 格式配置。
Q:Android 版能独立干活吗? 可以。Android 版内置本地 Bun 后端,能独立运行;也可以从首页「设备互联」扫码或手动连接已开启共享的电脑或远程后端,在手机上操作家里电脑的项目。
小结
Toonflow 解决的不是「能不能生成」,而是「生成出来的东西怎么组织成一部剧」:剧本、分镜、角色、场景、片段全部收进一张无限画布,资产跨集沉淀,镜头逐个可控;Agent、MCP 与插件市场让它能接进已有的工具链;桌面、Docker、服务器三种部署覆盖了从个人电脑到自有服务器的全部场景,模型自选,数据在自己手里。
上手建议:先用桌面客户端或 Docker 在本地跑通四步流程,用一集短内容摸清你选的那组模型的单价与出片率;真要放到服务器上长期跑,先把访问控制做好——无鉴权的 3000 端口只走防火墙白名单、带认证的反向代理或 SSH 隧道,这一步做完,再谈连载。